De tactische datakwaliteitslaag van het Metromodel

Sonny interviewt datamanagementexpert Ruud Kuil, die het belang van datakwaliteit bespreekt, praktijkvoorbeelden deelt en adviseert om te beginnen met een nulmeting en een lange termijn visie te hanteren in datamanagement.

In deze aflevering van de podcast gaat Sonny in gesprek met Ruud Kuil, een ervaren professional in datamanagement. Geïntroduceerd wordt zichzelf en zijn achtergrond, waarbij hij zijn 16-jaar durende carrière in datamanagement belicht, met een focus op zijn ervaring in het werken met zowel grote consultancypartijen als als freelancer. Er wordt uitgelegd dat zijn expertise ligt in datagovernance en masterdatamanagement, en hoe hij de afgelopen jaren honderden cursisten heeft getraind in de DAMA DMBoK-standaarden.

De discussie komt al snel op de noodzaak van bewustwording rondom datakwaliteit. Een belangrijk punt is dat dit begint bij het senior management, dat moet begrijpen wat data is en waarom kwaliteit essentieel is. Besproken wordt de verschillende rollen binnen een organisatie die van belang zijn voor datakwaliteitsmanagement, en hoe teamleiders en subject matter experts cruciaal zijn voor het effectief interpreteren en gebruiken van data. Ook komt aan bod dat het belangrijk is om groot te denken maar klein te beginnen met datakwaliteitsinitiatieven, waarbij hij een voorbeeld aanhaalt van een organisatie die met een beperkte scope begon en zo het vertrouwen en de noodzaak voor bredere verbeteringen kon aantonen.

Het gesprek verlegt de focus naar vaardigheden die nodig zijn voor datakwaliteitsmanagement. Er wordt uitgelegd dat deze vaardigheden variëren van technische kennis tot strategisch inzicht. Bij het aansnijden van ervaringen uit de praktijk, deelt hij een voorbeeld van een organisatie die enorme kosten maakte door gebrekkige datakwaliteit, en hoe het oplossen van simpele issues zoals foutieve e-mailadressen aanzienlijke besparingen kan opleveren.

Benadrukt wordt het belang van tools zoals de MedValidator, waarmee organisaties beter inzicht kunnen krijgen in hun datakwaliteit en de waarde ervan kunnen aantonen. Dit draagt bij aan een cultuur waarin data geaccepteerd en gewaardeerd wordt, in tegenstelling tot louter technische lijsten die weinig impact hebben. Het gesprek gaat verder over de rol van stakeholders en hoe zij betrokken moeten worden bij datamanagementinitiatieven. Gesteld wordt dat stakeholders een cruciale rol spelen in besluitvorming en dat het essentieel is om hen mee te nemen in het belang van datakwaliteit.

Wanneer het gesprek gaat over konkrete stappen voor managers die datakwaliteitsprojecten willen opstarten, adviseert Ruud om met een nulmeting te beginnen. Dit houdt in dat managers in gesprek gaan met medewerkers over datakwaliteitsproblemen en de impact daarvan op hun dagelijkse werkzaamheden. Dit biedt waardevolle inzichten in waar de grootste pijnpunten liggen en welke prioriteiten gesteld moeten worden.

Verder komen onderwerpen zoals de afbakening van rollen en verantwoordelijkheden aan bod, vooral als het gaat om data-eigenaren en data-stewards. Er wordt uitgelegd dat het belangrijk is dat deze rollen goed gedefinieerd zijn en dat mensen in deze posities begrijpen wat er van hen verwacht wordt.

Aan het einde van de aflevering benadrukt Ruud de noodzaak van een lange termijn visie wanneer het komt op datamanagement en datakwaliteit. Gesteld wordt dat het een continue proces is dat jaren kan duren en vergt dat organisaties zich aanpassen aan nieuwe processen en technologieën. Ruud moedigt organisaties aan om groot te denken en duidelijke ambities te stellen, zodat er een stevige basis kan worden gelegd voor toekomstige verbeteringen in datamanagement.

Sonny bedankt Ruud aan het eind van het gesprek voor zijn inzichten en waardevolle tips, en de aflevering eindigt met de belofte van een verdere samenwerking in toekomstige projecten.

Wat er in deze aflevering langskomt

• Introductie van Ruud Kuil
• De Strategische Laag van Data
• Essentiële Skills voor Data Kwaliteit
• Voorbeelden van Data Kwaliteit
• Waarde Aantonen met Data
• Snel Opschalen van Data Projecten
• Waarde van Data Gedreven Besluitvorming
• Impact van Slechte Data Kwaliteit
• Stakeholders in Data Management
• Praktische Adviezen voor Managers
• De Rol van Data in de Zorg
• Het Belang van Metadata Management
• Beginnen met Data Kwaliteit
• Data Volwassenheid en Governance
• De Cultuurverandering in Data Management
• Afsluiting en Toekomstige Samenwerking

Transcript

Ja, Ruud. Goedemiddag. Goedemiddag, Sonny. En welkom in de waartoren van Assendelft. Ja, mooi om een keer weer binnen te zijn. Ja, je rijdt er regelmatig langs. Ik heb er regelmatig langs gereden. In mijn eerste fase van mijn geld-en-mensen-carrière. Oh, daar gaan we al bijna. We gaan het vandaag hebben over de strategische laag. En jij hebt daar eenmaal mee gedaan al. Al heb je ook met heel veel andere dingen al gedaan. Zeker. Maar vandaag proberen we een beetje de scope daarop te houden. Ja. Ja, ik denk dat het misschien wel erg leuk is om even heel kort op jou in te zoomen. Ja. Dus wie heb ik aan tafel? Misschien dat jij kort over zou willen vertellen. Zeker. Nou, ik ben dus Ruud Kuil. Ja, ik begin altijd graag over het persoonlijke. Dus ik woon in Brekland-Roodreis tegenwoordig. Geboren getogen in het mooie Heemskerk, wat ik denk nu hier achter mij ongeveer ligt. Als je het raam kijkt, zie je dat ligt. Zeker, ja. Ja, professioneel gezien de laatste 16, 17 jaar echt in het datamanagementvak. Waarvan ongeveer 9 jaar bij grote consultiefirma’s. Nou, grote en kleine. En ja, de rest als freelancer. In die tijd als freelancer heb ik ook heel veel trainingen verzorgd. Ook op het mooie Dama DM-Bok raamwerk. CD&P trainingen verzorgd voor ik denk inmiddels wel enkele tientallen cursisten. Oh wauw. En eigenlijk de rode draad van mijn loopbaan is datamanagement. Dus van datagovenance tot masterdatamanagement. Organisatorische trajecten, technisch georrienteerde trajecten. Alles wel gericht op het inrichten van datakwaliteitsbeheer op een robuuste manier. En hoe ben je erbij gekomen om dan dama te pakken als gedachtegoed? Ligt opportunistisch. Er kwam een vraag voorbij. Goor Ruud, doe jij ook certificeringstraining dama dame in bok? Ja, natuurlijk. Ik ken het raamwerk. Ik heb daarbij een van de consultiefirma’s best wel wat directe in gedaan. Dus ja, dat was voor mij vrij simpel om te zeggen. Prima, gaan we doen. Zeker als je net als freelancer bent begonnen. Want dan is iedere opportunity er één. Dus ja. Dat is ook al meteen wel een mooie. Ik voel hem al meteen opkomen. Want één van de bolletjes op de laag is ook de skills. Ik heb hier een trainer aan tafel. Ja, correct. Misschien kan ik je dan meteen vragen. Welke skills moet je nou absoluut bezitten om goed data kwaliteit te kunnen beoefenen? Ja, data kwaliteit beoefenen doe je niet. Ik vind dat je… Het is een heel breed vakgebied. De metrolijn, de data kwaliteitsmanagement metrolijn… Het bestrijkt zoveel verschillende facetten. Het begint op hoog niveau awareness. Dus directies, senior management moeten toch al een beetje beeld hebben van… Wat is data? Waar hebben we het voor nodig? En wat gebeurt er eigenlijk als die kwaliteit niet op orde is? De middellaag, de mensen die eigenlijk weten wat het beste zou moeten werken voor de organisatie. Dan heb ik het vooral over teamleiders, misschien de subject matter experts. We gaan meteen al een beetje langs de rollen. Klopt, het is allemaal verwoven met elkaar. Dat vind ik het interessante van het vak. Maar die laag, die mensen, die moeten juist in staat zijn om te kunnen beoordelen van welke data is nou van belang? Wat betekent die data eigenlijk? Hoe willen wij dit eigenlijk interpreteren of hoe moeten we dit interpreteren? En op die manier de mensen die werken met de data optimaal te kunnen ondersteunen. Dus dat is bijna al een hele web van al die bollies die daar naast elkaar staan. Ja, en dat is ook hetgeen wat ik in mijn training altijd meegeef. Je moet groot denken. Het doel is altijd world domination wat mij betreft. Maar begin klein. Hoe kleiner je begint, hoe eerder je kunt aantonen dat iets werkt. Of hoe eerder je ook kunt leren van dingen die niet werken. Want dat is ook wat datummanagement inherent heeft. Ja, dus het is echt wel dat hele bewustwordingsproces eromheen. Ja, en ook accepteren dat je af en toe een fout kan maken. Ja. Heb je daar misschien een mooi of een klein voorbeeld van? Over zo’n situatie? Groot denken, klein beginnen? Ja, dat stukje awareness. Dus een situatie waarin je klein begonnen bent of misschien groot begonnen bent. En dan toch op die manier. Jazeker. En ik wil mijn best doen om geen namen te noemen van bedrijven. Maar ik denk dat deze wel vrij duidelijk gaat worden. Een organisatie waar het van belang was vanuit een imago perspectief om kwaliteit van data op orde te hebben. Daar heb ik een business case geschreven met een aantal zeer gewaardeerde collega’s en ook echt wel mensen die ik hoog aanschrijf in de branche. En wat we in dat traject met die business case hadden, was van ja, we bleven continu aanlopen tegen, oké, we willen alle data onder controle hebben. Het ging om master data management, dus we moeten echt een enorme bouwwerk aan rollen, verantwoordelijkheden, maar ook technologische implementaties, datacontracten, moeten we gaan opbouwen. Het vervelende daar was eigenlijk iedere keer, ja, heb je dan ook daaraan gedacht? Dus op het moment dat je groot denkt, dan komen er ook mensen, ja, maar wacht even, eigenlijk mis je nog iets. En heb je dan ook daar gedacht? Dus groot denken, als je groot wilt gaan implementeren, groot wilt starten, komen er alleen maar bezwaren. Dus we hebben daar gezegd, laten wij Het groot denken opdelen in een aantal fasen. En in fase één hadden we gezegd, we hebben een datumodel. Laten we zeggen, even voor de vuils weg, we hebben 200 attributen daarin zitten. Dit traject begint met de eerste 5, of de eerste 10 attributen. Meer niet. De rest laten we voorlopig buiten scoop. Wij richten ons op een hele specifieke doelgroep. Dus stel je hebt het, het is niet het bedrijf in kwestie, maar stel je hebt het over Albert Heijn. Je pakt de eerste vijf à tien attributen van het productdomein en weet je wat, we beginnen alleen met tabak. Ja. Nou, dat wordt niet meer verkocht daar, dus dat is dan lekker omstreden, maar ik hou er wel van een beetje prikkelend. Het zet vaak wel een beetje aan denken. Maar stel we beginnen met tabak, nou dan heb je het over een handvol producten in het hele gamma van zo’n organisatie. Ja. De kritiek die je dan krijgt is, ja, dat zet toch geen soda aan de dijk. Dit is een druppel op een gloeiende plaat. Maar wat we daar wel hebben bereikt, is dat we in een half jaar hebben kunnen aantonen dat datakwaliteitsmanagement op een kleine groep records, op een kleine groep attributen, iets qua waarde vertegenwoordigt. En vandaar heeft die organisatie snel kunnen opschalen. Ja, dat doe je dan met een klein select groepje ook? Of wie schakel je daar dan allemaal bij aan? En dit traject, daar hadden we mensen vanuit IT natuurlijk bij. We hadden een data architect, een aantal strategische consultants, data stewards uiteraard. Wat in die organisatie op zich wel redelijk goed was beschreven. Functie- en applicatiebeheerders spelen een rol, want je gaat ook in applicaties lopen, grasduinen. Ja, het is echt gewoon een volwaardig projectteam. Ik denk wel van dat we tien mensen in het team hadden ongeveer. Dus het kan oplopen. Ja, dus de waarde aantonen en dan doorpakken. Ja, en dan opschalen. En dan snel opschalen. Ja, en wat snel opschalen? Volgens mij had deze organisatie binnen anderhalf, twee jaar een volledige scoop te pakken. Oké, wauw. Ja. En dat kwam ook wel omdat we op strategisch niveau die support hadden. De overtuiging was er, de noodzaak was al voldoende aangetoond. En dan wil je eigenlijk het momentum vasthouden. Zodra je het momentum ook maar een beetje verliest, dan sta je continu 2-0 achter. En je hebt natuurlijk zelf ook nog ideeën uitgewerkt voor een tool. Ja. Zou je misschien kunnen vertellen hoe dat technisch in elkaar zit en waarom dat zo goed werkt? Nou ja, ik kan je uitgeleggen hoe het technisch in elkaar zit, maar ik denk dat dan die strategische onderlaag gaat afhaken of die tactische bovenlaag. Nee, waar het ook altijd op neerkomt is laten zien wat de waarde is van wat je doet. En hoe mooi is het als je dat datengedreven kan doen. Je gaf daar een paar mooie voorbeelden van. Net. In de voorbespreking. Zou je eens kunnen delen met ons hoe je dat zou kunnen doen? Ja, zeker. Want als je kijkt naar stakeholders. Wat je ziet is dat iedere stakeholder die formeel of informeel invloed heeft. Dat die toch een bepaalde trigger hebben. Die lopen, die worden ergens blij van. Of die liggen ergens wakker van s’nachts. Ik heb een voorbeeld van een organisatie waar ik een nulmeting heb uitgevoerd op datakwaliteit. En daar kwamen we eigenlijk achter dat op het moment dat een e-mailadres niet voldoet aan simpele eisen. Dat dat resulteerde in tijdverlies bij finance. Want de factuur kon niet worden verstuurd. Er kwam een bounce terug. Die moet worden onderzocht. Maar dat betekende ook dat er een factuur moest worden geprint en aan de postbode moest worden meegegeven. De tijd van een kwartje voor een poststuk is voorbij, heb ik toen al geleerd. Ik kwam erop neer, als je dat goed in kaart brengt en je gaat meten met een paar aannames, dan kwamen we erop uit dat deze organisatie ongeveer een ton per jaar kwijt was aan zo’n klein probleempje. Heb je al meteen een mooie business geweest? Heb je een mooie business case zou je denken? Want dit was een van de, gemiddeld genomen, ik denk dat een beetje organisatie enkele, laten we zeggen, duizend tot vijftienhonderd bedrijfsregels wel moet kunnen bereiken. En een bedrijfsregel is een expliciete verwachting die een bedrijf heeft ten aanzien van wat er in de business gebeurt. En die wil je ook kunnen toetsen op je datalandschap. Dus een e-mailadres voor factuurdoeleinden voldoet aan een opmaak voor een e-mailadres. Ja, en dan de toetsen inbouwen om te zien of dat inderdaad ook klopt. Ja, correct. En wat ik met onze tool, de MedValidator, wil doen, is zorgen dat dat bij bedrijven ook echt op de voorgrond treedt. Dat mensen zien van werken aan datamanagement, werken aan die structurele datakwaliteit, heeft in het afgelopen jaar zoveel opgeleverd. of in de afgelopen jaren zoveel risico’s gemitigeerd. Dan begint het een beetje te leven. Dan gaat het leven. Het anders blijven de technische uitvallijstjes en dan opent men weer een, ik wil niet jouw vakgebied of jouw domein power BI raken. Maar wat je vaak ziet is dat datakwaliteit wordt gepresenteerd in een uitvallijst. Ja, op een gegeven moment is men daar klaar mee. Als je niet ziet wat jouw arbeid dagdagelijks oplevert, niet kan terugkijken van hé, afgelopen jaar hebben we dit bereikt met z’n allen, dan raakt ook de energie kwijt. Ja, toch gewoon een beetje die mensen mee probeer te houden, mee krijgen, mee houden. Ja, ook een stukje waardering kunnen uiten. En als we nog even terug naar die laag gaan. Dus als we even denken, een van de bolletjes aan de linkerkant, linksboven, zijn de stakeholders. Je benoemde net al even bij het beschrijven van een team wie er allemaal in zouden kunnen zitten. Dan heb je al een aantal stakeholders te pakken. Denk ik. Ja, vaak wel. Ik vraag me af of dat ook echt stakeholders zijn, zoals je die op die metrolijn wilt zien. Stakeholders voor mij doorgaans in het datamanagement-traject zijn mensen die invloed hebben op besluitvorming. En dat kan formel of informel zijn. En stakeholders zijn mensen die je eigenlijk ergens op een positie wilt neerzetten. Die dan ook voor jou kunnen gaan predikken wil ik bijna zeggen. Ja, het zijn de mensen die belang hebben bij goede kwaliteit data. En dat kunnen mensen op operationeel niveau zijn. Die hebben vaak ook net zoveel invloed als de mensen die daar vlak boven zitten. Maar over het algemeen kijk ik bij stakeholders wel echt naar directie, senior management. Mensen met een data die ergens voor kunnen tekenen. Ja, oké. Dat is wel een mooie beschrijving. Ja, uiteindelijk ja. Het kost geld. Ja. En het kost tijd. En die tijd moet ergens voor worden afgetekend. Ja, precies. Dus op het moment dat je gaat kijken naar een gemiddeld traject. Op het moment dat ik vraag om. Ik wil ergens een aandacht besteden aan definities. Ja. En daar gaat gewoon tijd in zitten. Ja. Dan moet iemand op het ziende niveau zeggen van oké. Ik vind het goed dat mijn mensen vanuit mijn afdeling er zoveel honderd of zoveel duizend uur wordt besteed aan het opschrijven van definities en het vaststellen van bedrijfsregels. Als je die laag niet meeneemt, zo’n stakeholder niet meeneemt in het belang ervan, dan gaat zo’n krabbel niet komen. En als je nu een manager die iets van de grond probeert te krijgen op praktisch niveau, nou een advies zou willen geven voor hoe je dat zou kunnen aanpakken, wat zou dan jouw advies zijn? Doe een concrete nulmeting op je datakwaliteit. Ja, en hoe zou je dat het beste kunnen doen? Door met eigenlijk heel veel business stakeholders te gaan praten. Ja. En dat kunnen mensen op de werkvloer zijn. Maar dat kunnen ook mensen zijn die afdelingshoofden. En gewoon het gesprek aangaan. Ja. Dat is in ieder geval wat ik graag doe. Goh, waar zit je mee? Waar hoor je collega’s over klagen? Waar lig je wakker van? Op welke dagen denk je van, hebben we dat weer? Ja. En dan gewoon vanuit de business gezien. en dan kijken of je dat terug zou kunnen relateren in data. Want ik kan me ook zo voorstellen dat er ook genoeg managers zijn die zien dat ze kwaliteitsissues hebben, maar misschien geen dataachtergrond hebben. Zeker. En die zijn er, ik denk dat je daar 80, 90 procent wel over kunt spreken. En tuurlijk, het is ook wel van belang dat ze een beetje worden meegenomen in wat is nu datamanagement, wat is data. Maar uiteindelijk, het gaat om de business. Wat doet een business draaien? Ja, data, natuurlijk. Dat is belangrijk. Maar het gaat om mensen. Het gaat om procesuitvoering. En het gaat om de informatie die die mensen nodig hebben. Als ik kijk naar datakwaliteitsproblemen, dan heeft dat vaak een uitwerking in efficiëntie. En dat iets fout zit in je data, dan betekent dat dat mensen tijd kwijt zijn aan dingen waar ze eigenlijk geen tijd aan kwijt willen zijn. Zoeken naar de data of iets proberen te lossen. Of voor de zoveelste keer die initialen naar hoofdletters zetten. Omdat er ergens een systeem is wat niet gecorrigeerd wordt. Maar wel leidend wordt gezien. En dan komt een marketingafdeling ergens. Die zegt, dan komt die data weer op het systeem binnen. Dan moeten wij weer alles in hoofdletters zetten. Want vanuit ons domein wordt er wel communicatie naar klanten gestuurd. En als dan initialen met kleine letters voorbij komen. Ja, dat ziet er niet uit. Dat willen we niet. Die blijven het handmatig aanpassen. Op dat soort dingen kun je zeggen Iedere keer dat je dit dus hebt Wat is dan die impact Hoeveel last heb je daarvan Is dat een minuut, is dat vijf minuten Is dat een half uur Of moet je iemand inhuren Dat heb ik ook wel eens gezien Dat er een partij was die een externe Freelancer inhuurde Om retourzendingen Van echte fysieke post te beoordelen Oké En dat was iedere maand Een halve week Dat loopt aardig op. En als je daar dus op inzoomt, in welke gevallen spendeer jij dan zoveel tijd hieraan? In dit geval, het voorbeeld van die initialen pakken. Iedere keer dat ik het moet aanpassen, ja, het is toch weer vijf minuten. Ik zie het, we passen het aan. Vijf minuutjes. Ja, je kan het omrekenen kostprijs. Ik vind dat zelf lastig. Want, niet lastig, er zijn genoeg bedrijven die hebben dan een standaard uurtrief voor hun medewerkers. Ja. Waar de schoen dan voor mij begint te wringen, is dat het geen out-of-pocket kosten zijn. De tijd van mensen is al uitgegeven. Mensen worden al betaald. Als het gaat om een externe de keur, zeg je, dat kost je zoveel uur. Dus daar heb je zoveel euro bij. Tijd, FT’s, voor sommige bedrijven is dat een besparing. Voor sommige bedrijven is dat gewoon een noodzaak. Als je kijkt naar de zorgsector bijvoorbeeld, die staan zo onder druk iedere uur wat ze niet hoeft te besteden aan het schone van data herhaaldelijk is dus tijd die ze kunnen besteden aan zorg Voor de mensen. Dus dat Dat is heel duidelijk voor mij ook ik heb er best wel een goed beeld bij ook dat we al kunnen doen en dan de volgende stap. De volgende stap is kijken welke van één stapje ervoor nog je wilt daar wel een bepaalde populatie hebben Dus ik probeer vaak een beetje tussen de 30 en de 50 bedrijfsregels te kunnen vinden die je ook kan toetsen aan data. Ja, vrij simpel. En je zegt dan, ik probeer die dan te vinden. Ik probeer even een beeld te krijgen, ik probeer me even helemaal in te leveren. Dus ik ben een manager die weinig verstand heeft van data. Die regels vind ik waarschijnlijk niet ergens. Die moet ik dan samen op gaan stellen, denk ik. Uit het gesprek moet dat blijken. Dus wat ik graag doe, wat ik zeg, ik ga met mensen in de business praten. Waar loop je tegenaan? Wat vind je vervelend? Waar hoor je collega’s over klagen? Of wat is je droombeeld? Waar zou je echt onwaarsch blij van worden? Ja. Mijn ervaring is dat ik in twee maanden makkelijk vijftig tot honderd van die bedrijfsregels van ophaal. Dat is vooral luisteren, gesprek aangaan, niet te veel proberen te zenden. Want dat is een valkuil die dan heel snel op de loer komt. Je hebt dat probleem, dat kan je sowieso oplossen. Ja, we gaan een oplossing erin zetten. Nee, luisteren, noteren, verifiëren. Heb ik het goed begrepen zo? Ik heb dit opgetekend. Is dit ook wat jij bedoelt? Zorgen dat die definitie ook conform dame, dame en bok duidelijk, precies, compleet is. Dat zijn voor mij hele belangrijke aspecten. Die naar die toetsing kijken welke van die regels kunnen we ook echt checken op data. Welke kunnen we echt valideren. En als je die kunt valideren, dan heb je een bepaalde scope die je moet gaan afbakenen. En dus wat is die doelgroep? Het is te makkelijk gezegd het controleren op alle data dus als je kijkt naar klantdata dan is over het algemeen voor mij de strekking kijk naar actieve klanten kijk niet naar alle klanten want er zit ook heel veel vervuiling of oude records in die je eigenlijk helemaal niet wilt meenemen in zo’n analyse dus je maakt de scope af en je kijkt hoeveel van die data voldoet nou niet aan die norm als je dat kunt combineren op de een of andere manier met een beetje impact Dan komt daar vaak al ten eerste een percentage uit. Zoveel procent van je data is betrouwbaar. Afgemeten op zoveel bedrijfsregels en op deze applicaties. En ja, maak het sommetje. Ja, dan kunnen ze zelf bepalen wat ze ermee willen doen. Of ze het accepteren of dat ze het als een project zien. Inderdaad, of ze het geloven, accepteren en willen handelen. Lekker duidelijk. Ja, ik doe mijn best. Ja, dat vind ik altijd wel fijn als ik er zelf een goed beeld van heb. Dan is het voor mij een goed punt om weer door te gaan. Dus even te denken wat nog interessant is. Ja, of je misschien, ik ben nog wel heel kort benieuwd. Dus je hebt ook al trainingen gegeven in de AMA. Of je misschien mij mee zou kunnen nemen in of je ziet dat er grote verschillen zijn tussen wat daar dan bijvoorbeeld voor zo’n toets voor voorbereid zou moeten worden en wat er in de praktijk gebeurt. Ja, ik vind die verschillen nog wel groot. Als we het hebben over certificering, dan zie ik daar voor mezelf een duidelijke afbakening van wie zou ik het aanbevelen en wie eigenlijk ook niet. Op het moment dat je bij een bedrijf zit die zeggen, wij hebben Damo D&Bok als standaard geadopteerd. Dat vind ik dat iedereen die een rol heeft in zo’n datateam die eigenlijk een soort data in de dataoperatie zit zou ik dan adviseren om CD&P gecertificeerd te raken. Niet omdat je dan een expert bent maar omdat je dan wel weet Welke termen worden er gebruikt je weet je weg te vinden door het boek op het moment dat je in gesprek bent met collega’s dan heb je in ieder geval aan een gelijk niveau te pakken ik zou het niet adviseren van goh jij ambieert stel jij ambieert je wilt datamanagementspecialist worden ja, als jij CDMP gecertificeerd bent dan weet je je weg te vinden in DamoD en Bok, maar als fundamentals examen blijkt niet uit dat je ook weet hoe je het doet in de praktijk als ik kijk naar mijn praktijk ervaring heel veel onderwerpen die als functioneel aardappelsbied worden benoemd zijn secundair van belang voor mij. In mijn beleving begint het bij een stukje governance, idealiter. Je hebt architectuur en een stukje data modeling nodig, want daarmee baken je je informatiebehoefte af. Je wilt grip houden op de belangrijkste data, dus dat is mass- en reference data. Metadata is het belangrijkste van alles. Zonder metadata begin je niks, dus daar wil je ook gewoon goede tooling bij hebben. Daar ben ik de afgelopen jaren echt van overtuigd geraakt, daar kun je niet vroeg genoeg mee beginnen met goede tooling op metadata management. Misschien dat er zo nog heel even kort over door te kunnen. Zeker, ja hoor. Ja, als we dan niet teveel naar een operationele laag afdalen. Mogen we een klein beetje. Ja, oké. En dan als laatste data quality. Ja. Die vijf elementen, ik merk dat heel veel organisaties die nog niet volwassen zijn, daar echt al hun handen vol aan hebben. Je kunt beginnen over security, maar als ik het dan zou vergelijken met beveiligen van een stuk terrein of van een huis, jij niet weet wat je behoeften zijn En je nodigt wel een partij uit van, goh, doe iets met beveiliging. Ja, laat me zien wat er allemaal kan. Ja, dan weet ik zeker dat zij jou een hele mooie offerte voorschuiven. En dan heb je voor je het weet een heel mooi hekwerk om je huis staan. Met torens. En drone. En drone bewaking en een hele rattenplan. Maar ja, misschien heb je gewoon een ring deurbalcamera nodig. Ja, precies. En dat is dan security. En er zijn zoveel andere elementen die in mijn beleving secundair komen kijken. En als je die te vroeg oppakt, leidt het alleen maar af. En op het moment dat je volwassener bent als organisatie, wordt het alleen maar makkelijker om dat erbij te doen. Ja, maar dat is ook al wat ik een beetje hier aan die tafel in de podcast met al die gasten steeds letterlijk en figuurlijk te horen krijg. Ja, eigenlijk moet je gewoon klein beginnen. En het een leidt ook tot het ander. Dus vanuit datakwaliteit in dit geval, krijg je ook weer allerlei data governance vraagstukken. En daardoor word je ook weer een bepaalde richting ingestuurd. Klopt. Ja, of je krijgt vragen, maar wat is het eigenlijk? Nou, dan kom je weer op een stukje data-activituur uit en met de data-management. Dat je ook gaat definiëren, maar wat verwachten wij dan? En ja, dus dat kan alle kanten een beetje opgaan, maar ik probeer voor mezelf altijd gewoon die vijf elementen, vijf aandachtgebieden, gewoon echt even neer te zetten. En dat doe ik in mijn meer praktisch gerichte trainingen eigenlijk uitsluitend. Ja. En is er ook een ideale situatie als je vanuit die vijf kijkt, of is dat dan echt per praktijk? Ik heb denk ik in mijn hele 16 jaar als data management professional één of twee keer de ideale route gehad. Dat je al buy-in hebt op directieniveau, die zeggen ja wij vinden het gewoon belangrijk, het moet gebeuren. Beginnen met governance beginnen met die organisatie neerzetten we weten wat voor rollen en verantwoordelijkheden we zien, we kunnen beginnen met een stuk architectuuruitwerking we gaan van daaruit eigenlijk die cyclus opstarten in de praktijk wat jij net homo zei stel je bent die manager op meer op tactisch niveau, je denkt dat je een probleem hebt, ja dat begint het voor mij met een stuk datakwaliteit, aantonen is er een probleem Zo ja, hoe groot is dat probleem? En dat je dat namelijk niet inzichtelijk kunt maken. En dan krijg je nooit die buy-in om ook echt te kunnen beginnen met die kern. Ja, dat snap ik ook wel. Ik kan me ook wel goed voorstellen als je zelf nog helemaal nieuw bent in de datawereld. Ja, hoe ga ik dan over architectuur nadenken? Of een model? Ja, hoe werkt het allemaal? Interessant. En wat gaat dat ons dan brengen, dat plaatje? Ik zie wel dat ik hier een fout heb, maar hoe dat dan in een model eruit ziet, dat… Ja, dat weten we niet. Ja, dat is ook een vak op zich, hoor. dat… Ja, zeker weten. Ik heb het in mijn eigen werk ook wel eens aangeraakt. Meedenken over een architectuur of dan een datamodel helpen veranderen. Ja, dat is zo groot. Dat is nog best wel spannend. Omdat je altijd het gevoel, tenminste omdat ik altijd het gevoel heb dat ik iets mis. Als ik naar ooit kijk. En dat is ook meteen de grote valkuil van dataarchitectuur. Dat je te lang doorgaat met tekenen. Dus het is heel fijn als je een groep mensen hebt die op een gegeven moment kunnen zeggen, ja, Ja, we missen nog heel veel. Maar laten we nou gewoon dat ene stukje even oppakken. En dat alvast kijken of we dat in de praktijk kunnen brengen. Ja, vanuit Duits verder werken. Ja, want anders dan blijf je maar dingen eraan zetten. Of dingen uit elkaar trekken. En toch net even anders inrichten. Ja. Of het, ja. Ja, en ik kan me ook al voorstellen dat er ook nog wel een kleine verleiding zit. Door al over een stukje semantiek dan na te gaan denken. Van oké, we weten nu ongeveer hoe het is. Maar we zouden graag deze kant op willen. Ja, interessant. Interessant, want dat is voor mij een van de dingen waar ik heel snel op door wil pakken. Het is heel goed om te kijken wat je nu hebt. Ja. Maar het moment dat je vanuit een architectuurperspectief dat gaat vastleggen, dan ben je nog vijf jaar bezig en dan kom je erachter dat je meer van voren vanuit kan beginnen. Oké. Ik vergelijk dat een beetje met de ramen wassen van een wolkenkrabber. Oh ja. Je begint bij raam 1 en je gaat de hele wolk krabberaf. En dan na vier weken of zo kom je weer bij raam 1 en dan kan je gewoon verder gaan. Dan kan je weer opnieuw. En dat is hetzelfde met dat soort dingen. Als je gaat proberen vast te leggen, gaat modelleren wat er nu is. Ja. Dan kom je onherroepelijk in de situatie dat je de administrateur bent van alles wat er op de werkvloer gebeurt. Dus ik vind data architectuur moet ook op een gegeven moment vrij snel die stap kunnen zetten. Oké, maar wat willen we eigenlijk volgend jaar? Wat willen we over vijf jaar? En wat is nou meer die horizon waar we naartoe willen gaan werken? Ja, dat je meer naar de situatie gaat kijken waar je naartoe zou willen gaan. En dat je daar omheen dan eigenlijk gaat beginnen met wat je hebt. Juist. En wat je hebt, dat doe ik het liefst dan in zo’n metadata oplossing. Daar is echt wel tooling voor die je kan helpen om op te halen. Wat heb je nu aan data staan? Welke structuren, welke data integratie oplossingen? Hoe stroomt data? Waar wordt het gebruikt uiteindelijk. Dus daar zijn gewoon hele mooie oplossingen voor, data catalogs. Die zou ik daarvoor gebruiken. Dan hou je grip op wat er gebeurt er nu. Je kan ook de koppeling maken naar die semantiek. We hebben nu een veld aangemaakt ergens, laten we zeggen, in een CRM-systeem. Wat doet dat ding? Wie is daar verantwoordelijk voor? En op welke plek wordt die allemaal gebruikt? Ja, waar gaat het naartoe? Of is het iets wat, ja, het is er, maar eigenlijk weten we niet waar dat voor dient. Ja, dan heb je misschien ook eerder de discussie. Moeten we er afscheid van nemen? Of moeten we echt even goed kijken of dit wel op de goede manier is geïmplementeerd? Ja. En je benoemde net al eventjes dat je daar goede tools voor kent. Wat kunnen die tools dan extra wat we in het verleden nog niet konden? Nou, wat ik de laatste jaren zelf heb gemerkt, dat vroeger, dat klinkt heel oud, maar toen ik net bij zo’n grote consultiefirma binnenkwam, toen hadden we een ding wat ook in Dame Deen Bok wordt benoemd, een business glossary. Dus dat is een beschrijving van al je bedrijfstermen, bedrijfsregels, verantwoordelijkheden, toegestaande of geaccepteerde domeinwaarden, beleidsstukken zouden daarin kunnen worden opgenomen. En een data dictionary, waar je van een systeem vastlegt welke tabellen staan erin, welke velden. Wat ik tegenwoordig zie in die data catalogues, is dat, al een paar jaar zie je trouwens niet alsof dat vorige week voor het eerst werd gelanceerd, Wat ik de afgelopen jaren zie, is dat die twee echt in verbinding worden gebracht. Dus dat je veel beter in staat wordt gesteld. Ook als eindgebruiker. Om te zien, ik ben op zoek naar rapport XYZ. Oh, die vind ik hier. Die is daar de eigenaar van. Ik zie welke data er allemaal achter zit. Hoe stroomt het nou door het landschap heen? Wat zijn nou die bronsystemen die daarvoor gebruikt worden? En wie zijn er allemaal bij betrokken? En trouwens, ik wil ook eigenlijk wel weten, waar kijk ik naar? Wat is een klant? Wat is een product? Wat is een afzetgebied? Ja, zodat je Hem ook op andere plekken zou kunnen herbruiken of de definitie bij elkaar kunt brengen. Bijvoorbeeld, je krijgt meer een holistisch beeld van je datalandschap. Het klinkt ook wel alsof het een stukje makkelijker wordt, omdat je dan toch dat als dan de plek gebruikt waar je dan vanuit of naartoe gaat werken. Ja, naartoe gaat werken in de zin, je hebt een basis waar je naar kunt refereren. Datageletterdheid komt dan in mijn beleving sneller dichterbij. Mensen kunnen eerder zelf ontdekken hoe het echt is. In tegenstelling tot de vragen stellen aan een BI-team van, ik heb hier een rapport, wat zit erachter? En dan wordt dat op de grote hoop gegooid. Mag ik er werken aan je datacompetenties dan? Ja, zeker. En het helpt ook in compliance-vraagstukken. Als je moet laten zien, als bankzijnde bijvoorbeeld, hoe bepaalde rapporten tot stand komen, dan is dat inzicht integraal op te leveren. En de reden dat ik net zei, ik zou daar heel snel mee beginnen met het aanschaffen van zo’n oplossing, is omdat ik heb gemerkt dat de momentum heel snel verdwijnt als je halverwege je traject, halverwege je ontwikkeling in één keer zo’n tool moet gaan selecteren en implementeren. Dan gaat het meer over welke tool en welke knoppen dan… Ja, en dan begin je waarschijnlijk in Excel. Ik weet niet of jij veel in Excel hebt gewerkt, maar… Het verleden was nu zo min mogelijk. Ja, nou ja, het komt bij mij nog best wel eens voor. En wat ik dan merk is dat de gele celletjes, de blauwe regels, commentvelden die je eigenlijk net niet genoeg ziet of waar even een kreet in staat. Ja, wat betekent zo’n gele cel? Wat betekent een blauwe regel? Geen idee. En dat wil je dus allemaal centraliseren. Je wil kennis uit hoofd te halen en in zo’n platform steken. Zodat het ook gewoon breder toepasbaar is. Ik krijg er een steeds beter beeld van moet ik eerlijk zeggen terwijl ik er ook best wel lang mee werk zelf ook al met al dat soort dingen maar om dan even uit te zoeken en dan weer naar een plek te brengen het klinkt ook wel, als ik dan zelf even hard op denk ga je dan meteen naar een tool een tool kan op zo’n moment natuurlijk ook wel echt helpend zijn om het dan bij elkaar te brengen noem ik het dan maar eventjes zo en ook wel weer om vanuit daar ook weer te gaan denken oké deze datapunten hebben we, dit is dan bijvoorbeeld een metadata element, wie zijn daarbij betrokken wie zou dan een rol daarbij moeten hebben dus wie zou dan een eigenaar zijn of een gebruiker kunnen worden, waar ik nog niet een heel helder beeld van heb is hoe zou je zo’n tool het beste kunnen inrichten. Dat is organisatiespecifiek. Daar moet je echt over nadenken. En daar komt dan een begrip metamodel voorbij. Dus dat je ook als organisatie of als data organisatie moet gaan nadenken van welke metadata hebben we nodig om het gebruik van data, om het creëren van data, om het uitwisselen van data te vereenvoudigen. Ja, gaan we dan ook weer een beetje terug naar wat je in het begin al zei van, dan kunnen we eigenlijk het beste gewoon bepalen wat nu belangrijk is en welk klant we op willen. En daar beginnen we dan. Dat zou voor mij vaak op technisch vlak wel een goed beginpunt zijn. Als je kijkt naar meer die businesslaag, dan probeer ik vaak wel iets meer naar de toekomst te kijken. Want dan loop je weer het risico dat je gaat vastleggen wat je nu hebt. De meeste bedrijven hebben gewoon al heel veel data. En als je dan gaat zeggen, we gaan ieder veld op zich even definiëren. Ja, dan ben je natuurlijk weer in de aap gelogeerd. Ik kan me ook alweer voorstellen dat het ook alweer als een makkelijke of een veilige keuze voelt. Om dan toch maar eerst even vast te leggen wat we hebben. En dan ben je daar verzand in. Ja, het is het makkelijke, denk ik. We zien veel, laten we daar maar beginnen. En het moeilijke is, we willen ergens heen, maar we weten eigenlijk niet waar. Daar moeten we over gaan nadenken. Ja. Dan moeten we een keer een besluit over nemen. Eng. Laten we dat maar niet doen. Dus in de ideale situatie zou je dan toch kijken waar zitten mijn kwaliteitsissues. Ja. En dan vanuit daar de echte problemen aanpakken. Ja, een beetje de value case, zoals dat ook wel kan worden genoemd, denk ik. Adresseren. Ja. En wat je net ook aangaf, wat je zei, we beginnen met zo’n tool, Want dan heb je meteen een duidelijk beetje beeld. Je kan dingen vastleggen. Over het algemeen ben ik wel geneigd om dan de waarschuwing mee te geven. Dat je de eerste twee jaar nog geen echte return on investment hebt van zo’n oplossing. Dus daar moet je vind ik wel op voorbereid zijn. Ook mee kunnen geven aan de besluitvormers. Van hé, we gaan hieraan beginnen. Eerste jaar, twee jaar. Misschien sommige organisaties zelfs drie jaar. Wordt die misschien niet gebruikt zoals het zou moeten. Dus dan wil je ook de ruimte in hebben om dat stapsgewijs op te bouwen. Het is niet zo als je zegt, we gaan nu een CRM-steem neerzetten. En binnen een half jaar wil ik dat die volle bak draait. En dat iedereen erop zit. Dit is echt een kwestie van iets langere adem. Ja, niet realistisch. De vulling moet voldoende zijn. De kwaliteit moet voldoende zijn van die metadata. data. Ja, als je iets aanbiedt en er zit nog niks in, ja, mensen kijken drie keer en denken, ja, prima, volgende keer beter. Ja, omdat die nog niet compleet is en ze daarmee kunnen voor hun gevraagd. Ja, omdat er te weinig relevante informatie te vinden is voor die specifieke gebruikers. Ja, dat blijft natuurlijk ook gewoon de worsteling waar je elke keer mee zit. Ja. Want ja, als ik als medewerker van een bedrijf het nut ervan wil inzien, ja, dan heb ik het liefst dat het gaat over mijn stukje waar ik iets aan heb. Ja, klopt. Ja. Ja. Ja. En ja, dat is een traject van vijf tot tien jaar, denk ik, gemiddeld genomen. Ja, als je dat zo zegt, dan vind ik dat ook best wel weer… Het is wel imponerend dat ik dan denk van, ja, oké, ik wil het goed op orde hebben. Ik heb een bepaald doel verhogen, maar dat gaat me vijf jaar keihard werken kosten. Ja, minimaal, ja. Ja, ik kan het niet mooier maken van het is. Ja, goed, het is wat het is. En ik zie de mede-specialisten om me heen, zie ik dezelfde dingen ook roepen. Het is gewoon een lange adem. Het is een cultuurverandering. Mensen moeten, ja, ze moeten niet. Je moet eigenlijk maar één ding van mij in het leven als belasting betalen. Nee, je moet in die zin ook accepteren dat mensen de tijd moeten krijgen om op een andere manier te gaan werken. En dat doe je niet door te zeggen, nou, nu hebben we een data catalog, daar zit alles in en iedereen moet daar nu naar kijken. Je mag geen vragen meer stellen aan het BI-team, of je mag geen vragen meer stellen aan het data management team. Zo werkt het ook niet als mensen. En dat geldt ook voor een goede definitie opstellen. En daar heb je ook gewoon goede mensen voor nodig. En ook die hebben tijd nodig om na te kunnen denken. Of om te kunnen wennen aan het kritisch denken. Want dat is wat namelijk Daman Deenbock stelt. Dat een definitie moet duidelijk, precies, compleet zijn. Ik voeg daar zelf graag nog eentje aan toe. Positief. Ja, hele mooie. Als je beschrijft wat je niet wil. Dan zijn er nog zoveel andere dingen die je ook niet wil. Terwijl als je gaat beschrijven wat je wilt zien. welk gedrag verwacht je nou te zien in die data, of van de mensen ja, dan kun je daar ook beter op gaan sturen ja Ja, mensen zover te krijgen. Ja, ik heb een paar jaar geleden een traject doorlopen met een groep commercianten. En ja, ik denk dat ik maand of anderhalf, twee met ongeveer een wekelijkse sessie nodig had om mensen op het niveau te krijgen. Dat ze zelf gingen vragen, ja, eigenlijk is dit niet precies genoeg. Of volgens mij kan ik dit op twee manieren interpreteren. Dat punt wil je bereiken. En op het moment dat je dat punt hebt bereikt, moet het ook worden vastgehouden. Want zodra die aandacht weer wegvalt, dan ben ik gewoon klaar. Goed, dat is natuurlijk ook wel de grootste uitdaging. Dat stukje awareness, dat mooie laatste bolletje in onze laag. Waar we wel een klein beetje ook andere kanten op zijn gegaan, merk ik. Maar ik moet je wel eerlijk zeggen dat voor mij was dit nodig. Om het nog wat beter te laten landen. En omdat in andere opnames ik ook al een aantal dingen natuurlijk heb uitgevraagd. Geloof ik wel dat het een beter en een completer beeld geeft tot nu toe als je alleen naar de opnames zou kijken in dit hele proces maar goed misschien is het dan wel goed om aan jou nog even de vraag te stellen voordat ik zou gaan afsluiten, zou jij nog iets extra’s mee willen geven over de tactische laag dan in deze context wat we nu nog niet hebben tegenomen. Voor mij hebben we nog twee dingen waarvan ik denk zou ik graag nog even willen benoemen enerzijds gaat het om rollen en verantwoordelijkheden, want we hebben data-eigenaren voorbij gekomen. Ik heb de data-steward en de data-architect benoemd. Ik zie bij best veel organisaties nog steeds dat er wordt gezegd we hebben een data-steward. We moeten data-eigenaren data-eigenaren moeten we gaan benoemen. Zonder dat ze van tevoren stellen, wat betekent dat nu? Zullen ze het nog een beetje openlaten ook voor mensen? Of het niet concreet kunnen of durven maken. Ik zeg in mijn trainingen ook vaak de data steward bestaat niet. Het is een vakgebied die het hele data management perspectief, het hele data management spectrum bestrijkt en dat ook daarom het D&D in Boek stelt. Je moet nadenken wat voor type data stewards heb je nodig. Zitten die meer in de business call? Zitten ze meer in de technische kant, operationele kant hetzelfde geldt voor een data-eigenaar sommige bedrijven heb ik meegemaakt, die hebben dan data-eigenaarschap bijna op de werkvloer ingericht waarvan ik denk, ja dat kan niet Wat ik daarin de laatste jaren ook veel zie gebeuren, is dat er wordt gekeken naar wie is eigenaar van het proces. Dat zit vaak op senior management niveau. Dat is eigenlijk de laag onder directie. Daar hoort data-eigenaarschap ook thuis. Maar dan moet men wel kunnen begrijpen wat er van zich wordt verwacht. Niet even een stempeltje. Jij bent nu data-eigenaar. Succes. Ja, toi, toi, toi. En het einde van het jaar, dan kom ik je wel even vragen. Ik kan je niet vragen als een data-eigenaar. Ja, kom ik wel even vertellen dat je niet hebt voldaan aan de eisen. En datzelfde geldt voor de data steward. Ik zag vijf jaar geleden echt een trend. Overal popten de data stewards uit de grond. Ja, werd overdag geboren. Ja, en waarom? Ja, ik denk omdat er een vuistdik adviesrapport lag vanuit een consultancyverma. Van ja, weet je wat jij nodig hebt? Data steward. Dat is wat je nodig hebt. Nou, en de eerste, de beste persoon die voorbij loopt met een goed data hoofd. Kreeg, jij bent nu data steward. Ja. Oké, wat betekent dat? Ja, weten we niet, maar je komt er wel achter. Hoeveel tijd heb ik ervoor? Ja, kijk maar. Maar het werk wat je nu doet is nog steeds ook belangrijk. Het einde van het jaar, wat heb je gedaan aan je data steward? Nou, niet zoveel. Heb je niet zo goed gedaan als een steward. Toch jammer. Dus het gaat er voor mij om dat je vanuit die data governance persoptiek heel goed definieert welke organen hebben we nodig, welke rollen horen daarbij en wat zijn dan die verantwoordelijkheden en hoeveel tijd moet dat dan gaan kosten. En ook echt in uren per week benoemen? Ja, het kan. Maar je kan ook zeggen, je hebt ongeveer zoveel FT aan capaciteit. Dat maakt hem iets milder. Iets flexibeler nog, ja. En dat lijnt ook weer heel mooi op met de KPIs die je hebt als organisatie. Als je iemand data steward maakt en iemand heeft een sales verantwoordelijkheid, ja, die twee gaan elkaar bijten. Als je zo iemand vraagt, wil je een definitie opstellen van klant? Of wil je meewerken in een werkgroep om daarover na te denken? Ja, dat is tijd die iemand niet kan besteden aan het verkopen van je producten. En je moet je ook afvragen of dat bij elkaar hoort. Dus als iemand zelf mag bepalen wanneer die een klant heeft bediend of een sale heeft gemaakt bij een klant, zijn het ook nog tegenstrijdige belangen. Klopt, maar dan kom je op het stuk master data management uit. Want een klant is voor mij echt een klassiek stuk master data. Daar komen meerdere facetten bij elkaar die je daarover moet hebben. Wat is nou een klant? Wat is voor ons een klant? Wat is een sale? Dat zijn dingen die wil je juist ook op de werkvloer of meer op de tactisch operationele laag van de dataorganisatie kunnen opstellen. En data-eigenaren, vind ik, moeten in staat zijn om dat mandaat af te geven. Onder welke voorwaarden kunnen de mensen op de data-operatie, dus ik bedoel niet de bedrijfsoperatie, daar een beslissing over nemen. Gaat het om een meerderheid van stemmen? Dat kan. Als je 70% van de werkgroep zegt, ja, dat is een goed idee, dan kan je zeggen, dan gaan we erin mee. of zeggen het moet unaniem zijn en als het niet unaniem is, dan moet het naar boven toe. Maar ook daar heb je dan een gremium nodig van mensen die daar een bepaalde eigenaarschap over hebben. Dus daar moeten bedrijven of daar moet je vanuit een data initiatief heel goed over nadenken en heel duidelijk zijn wat verwacht je dan voor die mensen. En het tweede wat ik nog zou willen meegeven is een stukje data volwassenheid. De maturity, dat dekt ook allerlei lagen af, allerlei initiatief en ik weet dat DAMA Nederland daar ook een uitwerking voor heeft gemaakt voor die data volwassenheid. Waar ik zelf vaak probeer te sturen is zoiets te doen in werkgroepen of in workshops of meer in echt een interactie met mensen. Waarbij je informeert. Mensen moeten een bepaald beeld hebben van waar gaan we het over hebben. Als je bijvoorbeeld een volwassenheidsscan wilt gaan doen en je wilt het hebben over data governance. Ja, als je er zo ingestapt wil. We hebben een aantal vragen. Heb je beleid? Heb je strategie? Rollen verantwoordelijkheden? En dat is meer een vinklijst. Ja, wat zegt dat dan? Ik wil dat mensen snappen. Wat is nu data governance in de basis? Dat is die regiefunctie op datamanagement. Is dat afgedekt? Ja, daar kun je maar een vinklijstje van maken. Maar dan hoef je niet aan twintig mensen te vragen. Of ze dat vinklijstje kunnen invullen. Nee, het gaat er mij om. Mensen moeten met elkaar kunnen discussiëren of ze het wel of niet zien. En als ze het wel zien… Het is ook veel meer helpend dan dat je te horen krijgt dat je 19 van de 20 vinkjes niet hebt. Ja. Oké, en dan? Nou ja, als je 19 vinkjes wel hebt, dan ben je in één keer volwassenheidsniveau 5. Ja, daar geloof ik niet in. Tegelijkertijd, wat ik daar ook altijd mooi aan vind aan die volwassenheidsscans zoals ik ze doe, je krijgt altijd discussie. Laat ik een voorbeeld nemen. Ik heb een keer zo’n traject gehad met een architect. Over data architectuur, sorry. Waarbij er werd gesteld van, oké, schaal 0 tot 5. Ik vind dat je ook iets niet moet kunnen. Hoeveel was er zijn? Er zaten een paar architecten in de groep. En een paar mensen meer echt vanuit de business. Het verschil was echt ongeveer groot. Die architecten zeiden, we zitten op niveau 4. En die mensen uit de business, ja, 0 of 1. En toen kwamen we tot de conclusie van ja, er is veel, maar het werd niet gecommuniceerd. Die mensen aan de business kant, die hadden geen idee wat er al was. Ze wisten ook niet waar ze het konden vinden. En juist in zo’n sessie komt dat bij elkaar. Want dan kunnen die architecten ook zeggen, ach ja, we moeten dus wat meer naar buiten treden. Dan kun je gaan middelen. Je komt er gewoon achter, je mist dan wat dingen. Dus een maturity assessment draagt ook weer bij aan je awareness. Je kunt zeggen, waar staan we nu? Waar zouden we willen staan, idylliter? En dan is mijn laatste tip daarin. Probeer dat te formuleren zonder rekening te houden met eventuele organisatorische drempels, mogelijkheden, onmogelijkheden of financiële middelen. Dus eigenlijk denk dan toch weer in die positieve. De positieve en in het utopische bijna. Als wij denken aan onze ADN State, wat is echt dat punt waarvan we zijn. Zo begon je ook mooi inderdaad. Dat je groot moet denken. Ja, groot denken. En daar kun je vanzelf je strategie op loslaten. En dan kun je ook naar die business stakeholders die je moet tekenen. Aangeven. Dit is de ambitie die jouw organisatie heeft. Mooi. Ik ga je bedanken. Graag gedaan man. Dit is mijn hoop geland. Ja, gelukkig. Daar ga ik ermee afronden. Ja, top. Hartstikke bedankt. Graag gedaan. Bedankt dat ik er mocht zijn man. Ja, superleuk. En wij gaan nog een paar mooie dingen oppakken, denk ik samen. Ik weet het wel zeker. Komt goed. Dank je wel. Top.